Auto-Ontology من NVIDIA: طبقة Context لمنع AI من جواب غلط على Data

🔗 رابط المشروع على GitHub: https://github.com/NVIDIA/auto-ontology

---

تسأل الـ AI agent “كم عميل جديد الشهر ده؟” فيعطيك رقم غلط، لأن الـ agent خمّن تعريف “عميل” خطأ. Auto-Ontology من NVIDIA بيحل الموضوع ده: context layer مركزي بيعرّف كل business concept مرة واحدة ويخلي الـ agents تجاوب صح.

4.4 ألف نجمة، 362 fork، Apache 2.0، رسمي من NVIDIA.

المشكلة اللي بيحلّها

الـ agents بتجاوب غلط على أسئلة الـ data لأسباب:

• Pasting الـ schema كله في context = غالي ومربك
• الـ agent بيخمّن إيه الـ columns تعني
• بيخمّن ازاي الـ tables بتترابط (joins)
• بيخمّن ازاي الـ measures بتُحسب (مثلاً: “revenue” = قبل أم بعد الخصومات؟)

الفكرة في جملة

Service بيشتغل جنب الـ databases. بيعمل ontology (ترجمة: شجرة مفاهيم) مصدّقة من البشر، والـ agent بيسأل الـ ontology قبل ما يسأل الـ database.

الـ 5 مراحل

• Discover — بيولّد ontology تلقائياً من metadata الـ DB، أو يستورد نموذج موجود
• Ground — تعريف واحد لكل business concept عبر كل الجداول والـ DBs
• Certify — الفريق يراجع ويعتمد التعريفات من web UI أو API
• Validate — فحص إذا كان السؤال “قابل للإجابة” قبل الـ query. لو لأ، بيرجع للـ agent ويقوله يسأل clarification
• Expose — بيقدّم الـ context للـ agents عبر MCP server أو REST API أو agent skills

الـ Databases المدعومة

PostgreSQL، MySQL، Databricks، Snowflake، ClickHouse، Trino، Apache Kyuubi، HeavyDB، DuckDB، SQLite.

التثبيت

# Docker Compose (الطريقة الأسهل)
git clone https://github.com/NVIDIA/auto-ontology.git
cd auto-ontology
cp .env.example .env
docker compose up -d --wait postgres
docker compose up -d --build

# MCP server فقط
uvx --from "git+https://github.com/NVIDIA/auto-ontology.git#subdirectory=mcp" auto-ontology-mcp

يتطلب: Docker + Compose v2، uv، NVIDIA API key.

الـ Stack التقني

• Backend: Python 3.12+ (FastAPI)
• Frontend: Next.js
• Database: PostgreSQL 17 + pgvector
• Deployment: Docker Compose أو Kubernetes (Helm)
• MCP clients: Cursor، Claude Desktop

مثال سيناريو

السؤال: “كم عميل نشط في النص التاني من 2026؟”

• بدون Auto-Ontology: الـ agent يخمّن إيه هو “نشط”. ممكن يرجع رقم غلط
• مع Auto-Ontology: الـ agent يقرأ من الـ ontology إن “نشط” = “عميل عمل purchase خلال آخر 90 يوم”. يرجع الـ SQL المصدّق + النتيجة

سيناريوهات Ibrahim

• faahm analytics — إيه هو “طالب نشط”؟ “كورس مكتمل”؟ Auto-Ontology بيوحّد التعريفات لكل أعضاء الفريق
• DSE Perfex CRM — تعاريف “lead qualified”، “client converted”، “campaign ROAS” موحّدة عبر الـ queries
• Accounting firm agent — الـ ontology لمفاهيم محاسبية عربية = الـ agent مش بيخمّن
• Vibe Coding course — Module عن “ازاي تمنع AI agent يجاوب غلط على data” = درس حيوي للطلاب
• Max Health + Dr Sara + عملاء العيادات — “patient conversion”، “no-show rate”، “repeat visit” — ontology مركزي يحمي من التفسيرات المتضاربة

Service متقدم

“Enterprise Data Context Layer” — للعملاء اللي عندهم PostgreSQL/Supabase/MySQL بـ data معقّد. تنصبّ Auto-Ontology + تبني ontology مع الفريق + تربطه بـ AI agents. سعر: 25-50 ألف جنيه للـ setup. مناسب لـ:

• Clinics كبار بـ database معقّد
• e-commerce بـ Shopify/WooCommerce + custom analytics
• مكاتب محاسبة عندها data multi-table
• Academies ذات multi-course data (زي faahm)

تحذيرات

• يتطلب NVIDIA API key (مش free بالكامل)
• Setup معقّد = Docker + Postgres + pgvector
• بياخد وقت لبناء الـ ontology initial

📎 رابط المشروع: github.com/NVIDIA/auto-ontology